首页|基于PSO-BP神经网络的加热炉钢坯温度预测模型

基于PSO-BP神经网络的加热炉钢坯温度预测模型

扫码查看
原文链接
  • 万方数据
  • 维普
采用粒子群算法对BP网络进行优化建模,运用粒子群的全局寻优能力确定BP神经网络的权重阈值,实现了对钢坯出炉温度的预测,对模型进行模拟仿真.结果显示:采用PSO-BP神经网络进行温度预测具有更高的精度和更好的收敛速度,相比BP神经网络,PSO-BP神经网络的拟合优度提升了0.086,平均绝对误差降低了41.8%,均方根误差降低了38.8%,标准差降低了38.1%,能够更好地完成对钢坯出炉温度的预测.

姜文韬、李海英、刘绍谦

展开 >

华北理工大学冶金与能源学院,河北 唐山 063210

加热炉 钢坯温度预测 BP神经网络 粒子群优化算法

2024

10.3969/j.issn.1004-7948.2024.01.026

节能
辽宁省科学技术情报研究所　辽宁省能源研究会

节能

影响因子：0.295
ISSN：1004-7948
年,卷(期)：2024.43(1)
  • 9